لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آماده شدن برای عصر هوش مصنوعی: مبانی یادگیری عمیق (Deep Learning)
- آخرین آپدیت
دانلود Become AI-Ready: Deep Learning Fundamentals
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آیا میخواهید بدانید سیستمهای هوش مصنوعی در ابزارهایی مانند ChatGPT چگونه کار میکنند و پایهای مستحکم برای فعالیت حرفهای در زمینه AI و هوش مصنوعی مولد (Generative AI) ایجاد کنید؟
بسیاری از متخصصان تئوری هوش مصنوعی را مطالعه میکنند اما در بهکارگیری آن در سیستمهای واقعی با چالش روبرو هستند. این دوره با معرفی نحوه ساخت، آموزش، تحلیل نقاط ضعف و بهینهسازی مدلهای یادگیری عمیق در محیطهای عملی، این شکاف را پر میکند.
چرا این دوره مؤثر است؟
۱) تمرکز بر کاربردهای واقعی AI – یاد بگیرید که یادگیری عمیق در GenAI، بهداشت و درمان، و امور مالی کجا استفاده میشود.
۲) شفافیت در تکامل صنعت – بررسی مسیر تکامل از شبکههای عصبی ← ImageNet ← تا تغییر مسیر به سمت هوش مصنوعی مولد.
۳) درک عملی و بصری – آموزش بصری با استفاده از TensorFlow Playground و شبیهسازها.
پس از این دوره قادر خواهید بود:
- مفاهیم بنیادی شبکههای عصبی را پیادهسازی کنید.
- مفاهیم Forward Pass و Backpropagation را به طور کامل درک کنید.
- تشخیص دهید که چه زمانی از یادگیری ماشین (ML) و چه زمانی از یادگیری عمیق (Deep Learning) استفاده کنید.
- مدلهای RNN، LSTM و مدلسازی توالیها (Sequence Modeling) را بشناسید.
این دوره برای مهندسان نرمافزار، توسعهدهندگان اپلیکیشن، تحلیلگران داده، متخصصانی که در حال تغییر مسیر شغلی به سمت AI و یادگیری عمیق هستند و همچنین مبتدیان ML که قصد دارند مهارتهای شغلی هوش مصنوعی را کسب کنند، طراحی شده است.
پایهای قوی در AI بسازید و برای نقشهای پیشرفته یادگیری عمیق و هوش مصنوعی مولد آماده شوید. همین امروز ثبتنام کنید و مهارتهای آیندهمحور خود را بسازید.
سرفصل ها و درس ها
از هوش مصنوعی تا یادگیری عمیق: مبانی سیستمهای هوشمند مدرن
AI to Deep Learning: Foundations Behind Modern Intelligent Systems
چرا یادگیری عمیق موتور محرک انقلاب فعلی هوش مصنوعی است
Why Deep Learning Is Powering Today’s AI Revolution
پس از این دوره یادگیری عمیق قادر به انجام چه کارهایی خواهید بود
What You’ll Be Able to Do After This Deep Learning Course
نحوه قدرتبخشی یادگیری عمیق به ChatGPT، بهداشت و درمان و حوزه مالی
How Deep Learning Powers ChatGPT, Healthcare, and Finance Domain
چرا نوع داده در هوش مصنوعی مهمتر از الگوریتم است
Why Data Type Matters More Than Algorithm in AI
مسیر یادگیری یادگیری عمیق تا رسیدن به هوش مصنوعی مولد
Learning Journey of Deep Learning till Gen AI
تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق - توضیح جامع و شفاف
AI vs Machine Learning vs Deep Learning — Finally Explained Clearly
انواع هوش مصنوعی
Types of Artifical Intelligence
تاریخچه یادگیری عمیق
History of Deep Learning
چالش ImageNet: رقابتی که هوش مصنوعی را برای همیشه تغییر داد
Imagenet Challenge - The Competition That Changed AI Forever
یادگیری انتقالی (Transfer Learning)
Transfer learning
موج دوم: لحظهای که یادگیری عمیق به جریان اصلی تبدیل شد
Second Wave - The Moment Deep Learning Became Mainstream
چه زمانی از یادگیری ماشین استفاده کنیم و چه زمانی از یادگیری عمیق
When to Use Machine Learning vs Deep Learning
مدلهای هوش مصنوعی واقعاً چگونه از دادهها یاد میگیرند
How AI Models Actually Learn From Data
مغز انسان چگونه الهامبخش شبکههای عصبی شد
How the Human Brain Inspired Neural Networks
نقش توابع فعالساز و لایهها در قدرتبخشی به شبکههای عصبی
How Activation Functions and Layers Power Neural Networks
شبکههای عصبی مصنوعی
Artificial Neural Networks
درون شبکههای عصبی: مدلهای یادگیری عمیق واقعاً چگونه یاد میگیرند
Inside Neural Networks: How Deep Learning Models Actually Learn
آشنایی با TensorFlow Playground: اولین شبکه عصبی خود را به صورت بصری آموزش دهید
Intro to Tensorflow Playground - Train Your First Neural Network Visually
مقدمهای بر TensorFlow Playground و مفهوم Epochها
Tensorflow playground Intro, Epochs
TensorFlow Playground: مشاهده یادگیری شبکه عصبی در لحظه
Tensorflow Playground - Watch a Neural Network Learn in Real Time
آموزش در TensorFlow Playground: بررسی موارد ساده، متوسط و پیچیده
Tensorflow playground learning - Simple, medium complex cases
زمانی که شبکههای عصبی شکست میخورند - و نحوه رفع آنها
When Neural Networks Fail — And How to Fix Them
پارامترها در یادگیری عمیق: بررسی در TensorFlow Playground
Parameters in Deep Learning : Tensorflow Playground
Forward Pass: هنگام ورود داده به شبکه عصبی چه اتفاقی میافتد
Forward pass - What Happens When Data Enters a Neural Network
فرآیند یادگیری در شبکههای عصبی
Learning - Neural networks
Backpropagation: شبکههای عصبی چگونه از اشتباهات خود یاد میگیرند
Back Propagation - How Neural Networks Learn From Mistakes
پسانتشار (Backpropagation) و کاهش گرادیان (Gradient Descent)
Backpropagation - Gradient descent
مراحل گامبهگام پسانتشار با اعداد واقعی
Backpropagation Step-by-Step With Real Numbers
اجرای عملی Forward Pass و Backprop با استفاده از شبیهساز شبکه
Forward Pass + Backprop in Action using Network Simulator
محاسبات Forward Pass و محاسبه Loss در شبیهساز شبکه
Forward Pass Calculations + Loss Computation in Action using Network Simulator
اجرای عملی Backpropagation و بهروزرسانی وزنها در شبیهساز شبکه
Backpropagation + Weight Updates in Action using Network Simulator
هوش توالیها: RNNها، LSTMها و سیستمهای حافظه هوش مصنوعی
Sequence Intelligence: RNNs, LSTMs, and AI Memory Systems
RNN: چرا یادگیری عمیق به مدلهای حافظهدار نیاز داشت
RNN - Why Deep Learning Needed Memory Models
مدلسازی توالی: هوش مصنوعی چگونه زبان، گفتار و دادههای زمانی را درک میکند
Sequence Modeling - How AI Understands Language, Speech, and Time Data
مدلسازی زبان و نیاز به RNN
Language Modeling and Need for RNN
مفهوم و ساختار شبکههای عصبی بازگشتی (RNN)
Recurrent Neural Networks (RNN) Concept and Network
جریان داده و مکانیسم عملکرد شبکههای عصبی بازگشتی (RNN)
Recurrent Neural Networks (RNN) Flow and Working Mechanism
چالشهای موجود در RNN
Challenges in RNN
نحوه حل مشکل حافظه در یادگیری عمیق توسط LSTM
How LSTM Solves the Memory Problem in Deep Learning
درک عملیات گیتها و جریان اطلاعات در LSTM
Understanding LSTM Gate Operations and Information Flow
جریان گرادیان در LSTM و پسانتشار در زمان (BPTT)
LSTM Gradient Flow and Backpropagation Through Time
نمایش نظرات